A Anthropic publicou o cartão do sistema para o Claude Opus 4.5, um modelo de linguagem grande de fronteira projetado com capacidades proeminentes em engenharia de software, uso de ferramentas e uso de computador. O documento fornece uma avaliação abrangente das habilidades técnicas do modelo junto com extensas avaliações de segurança cobrindo salvaguardas, honestidade, segurança de agentes e alinhamento.

  • Os testes identificaram várias capacidades de ponta em benchmarks incluindo SWE-bench, Terminal-Bench, ARC-AGI e WebArena.
  • O modelo foi avaliado para alinhamento amplo, mostrando baixas taxas de comportamento indesejável como sycophancy (adulação), engano por omissão e propensão a sabotagem.
  • As avaliações de segurança incluíram testes para uso malicioso de agentes, riscos de injeção de prompt e conformidade com a Política de Escalonamento Responsável em relação aos riscos CBRN (químico, biológico, radiológico e nuclear).
  • O cartão do sistema esclarece o uso de dados de treinamento, notando que, embora as pontuações ARC-AGI-1 tenham sido atualizadas para refletir conjuntos de teste semi-privados, o modelo não foi treinado na divisão pública de treino/teste desse conjunto de dados.

O relatório conclui que o Claude Opus 4.5 é um modelo amplamente bem alinhado e foi implantado sob o Padrão de Nível de Segurança de IA 3.